写真の集合

ビデオ コーディングでは、画像のグループ( GOP 構造)によって、フレーム内およびフレーム間の配置順序が指定されます。GOP は、コード化されたビデオ ストリーム内の連続する画像の集合です。コード化された各ビデオ ストリームは連続する GOP で構成され、そこから可視フレームが生成されます。圧縮されたビデオ ストリームで新しい GOP に遭遇すると、デコーダーは次のフレームをデコードするために以前のフレームを必要とせず、ビデオを高速にシークできるようになります。

GOP には次の画像タイプを含めることができます。

• Iフレーム（イントラコード化画像、時には誤ってキーフレームと呼ばれることもある^{[1] [検証失敗]}） - 他のすべての画像とは独立してコード化された画像。各GOPは（デコード順で）このタイプのフレームで始まります。
  • IDRフレーム（Instantaneous Decoder Refresh）：後続のPフレームがこのIフレームよりさらに遡る参照を持たないことを示すマークが付いたIフレーム。これらのIDRフレームを使用することで、GOP外のフレームを参照できないクローズドGOPが形成されます。^[2] IDRは、クリーンなランダムアクセスフレーム（リカバリポイント）とともに真のキーフレームです。
• P フレーム(予測符号化画像) –以前にデコードされた画像に対する動き補正差分情報が含まれます。MPEG -1、H.262 / MPEG-2、H.263などの古い設計では、各 P フレームは 1 つの画像のみを参照でき、その画像は表示順序とデコード順序の両方で P フレームより前でなければならず、参照は I フレームまたは P フレームでなければなりません。これらの制約は、新しい標準であるH.264/MPEG-4 AVCおよびHEVCには適用されません。
• B フレーム(双予測符号化画像) – 以前にデコードされた画像に対する動き補正差分情報が含まれます。MPEG-1 や H.262/MPEG-2 などの古い設計では、各 B フレームは、表示順序で B フレームの前のフレームと後のフレームの 2 つのフレームのみを参照でき、参照されるすべての画像は I フレームまたは P フレームである必要があります。これらの制約は、新しい標準H.264/MPEG-4 AVCおよびHEVCには適用されません。コーデックは単方向 B フレームを使用する場合があります。これは、将来のフレームのデータを使用しないものの、他のフレームがそれに依存しない P フレームです。B フレームの基本的な特性は、他のフレームの正しいデコードに影響を与えずにドロップできることです。
• D フレーム(DC 直接コード化画像) - 損失耐性または早送りのためのフレームの高速アクセス表現として機能します。D フレームはMPEG-1ビデオでのみ使用されます。

IフレームはGOPの始まりを示します。その後にいくつかのPフレームとBフレームが続きます。古い設計では、許容される順序と参照構造は比較的制限されています。^[3]

I フレームには完全な画像が含まれており、再構築するために追加の情報は必要ありません。通常、エンコーダーは各 I フレームを「クリーンなランダム アクセス ポイント」にする GOP 構造を使用します。これにより、デコードは I フレームでクリーンに開始され、GOP 構造内のエラーは正しい I フレームを処理した後に修正されます。

H.264/MPEG-4 AVCおよびHEVCの新しい設計では、エンコーダーは参照構造に関してはるかに柔軟性があります。以前の設計で使用されていたのと同じ参照構造を使用することも、より多くの画像を参照として使用することもでき、表示順序に対するコーディング順序のより柔軟な順序付けを使用することもできます。また、他の (B または P) フレームをコーディングするときに、B フレームを参照として使用することもできます。この追加の柔軟性により、圧縮効率が向上しますが、一部のデータが失われたり破損したりすると、エラーが伝播する可能性があります。新しい設計で使用される一般的な構造の 1 つは、B フレームの階層を使用することです。階層 B フレームは非常に優れた圧縮効率を実現でき、階層によってデータ破損の問題の影響を受ける画像の数が厳密に制限されるため、エラーの伝播も制限できます。^[4]

一般的に、ビデオ ストリームの I フレームが多いほど、編集しやすくなります。ただし、I フレームの数が増えると、ビデオのコーディングに必要なビット レートが大幅に増加します。

GOP構造は、多くの場合、2つの数字で参照されます。たとえば、M =3、N =12です。最初の数字は、2つのアンカーフレーム（IまたはP）間の距離を示し、これは「ミニGOP」の長さとも呼ばれます。^[5] 2番目の数字は、2つのフルイメージ（Iフレーム）間の距離を示します。これはGOPサイズです。^{[6] Mパラメータの代わりに、2つの連続するアンカーフレーム間のBフレームの最大数を使用することもできます。これは、} ffmpeg で使用されるアプローチです。^[7]

例:

• M =3、N =12の場合、GOP 構造はIBBBPBBPBBPBBです。連続する 2 つのアンカー フレームの間には 2 つの B フレームがあります。
• シーケンスIBBBBPBBBBPBBBBの場合、GOP サイズN =15、アンカー距離M =5です。連続する 2 つのアンカー フレームの間には 4 つの B フレームがあります。

GOP構造はエンコード中ずっと固定されている必要はありません。シーンの変化に応じてNを変化させてIフレームを挿入することはよく知られた手法です。^[8]新しい手法では、ビデオの動きの量に基づいてMを変化させます。 ^[9]

H.264 以降の設計では、非常に柔軟な参照構造が認められており、ある GOP 内の B フレームは、特に I フレームの前でも、別の GOP 内のフレームを参照できるため、I フレームは非 IDR (キーフレームではない) になります。^[10]このような外部参照フレームを含む GOP は、「オープン GOP」と呼ばれます。その反対は自己完結型 GOP で、「クローズド GOP」と呼ばれます。^[5] コーディング順序では、GOP は B フレームで始まることはできますが、B フレームで終わることはできません。オープン GOP は B フレームで始まり、I フレームで始まるということは最後に追加の P フレームを追加する必要があることを意味するため、少し効率的です (GOP は B フレームで終わることはできません)。^[11]

• ビデオ圧縮画像タイプ
• キーフレーム